现代计算革命是由中央处理器(CPU)的发展推动的，随着时间的推移，CPU变得更小、更复杂。这种发展最终形成了微处理器，今天我们使用的CPU的主要形式。在这个过程中，出现了更专业的芯片——图形处理器(GPU)、现场可编程门阵列(FPGA)和专用集成电路(ASIC)。每一种专用芯片都能加速和改善不同维度的处理性能，并解锁新的计算能力。

量子的出现，为计算能力下一个变革做了准备

每一个新的计算选项的出现都会促进计算能力的混合发展。现在，我们不再简单地将指令发送到CPU，可以跨一系列设备进行计算，每种都可以解决一组特定的问题。

计算选项的增加同时也复杂化了计算环境。这种复杂性带来了两个挑战，一是设计上需要创建稳定和可扩展的架构，以便于执行多设备计算的作业。二是确保以高效、优化和可重复的方式实际运行这些工作。换句话说，我们不仅要设计多设备架构，还需要在它们之间协调计算。

通过这样我们可以更好地理解量子堆栈。量子堆栈是一个包含量子计算设备的堆栈，这些设备使用的计算能力都是混合型的。堆栈的结构必然涉及经典处理器和量子计算设备。即使在今天的单个量子算法中，计算也是在经典处理器和量子处理器之间共享的。

量子堆栈的结构反映了复杂性

结构的复杂性还因现实情况变得更复杂：就像在其他体系结构中访问高性能GPU和HPC资源一样，现在和将来对量子设备的访问是远程化的。

同时，为了保护其不断发展的IP，尝试量子能力的组织也会严重依赖自己和内部的私有云资产。

量子硬件和软件继续发展

因为量子硬件和软件都在不断发展，量子堆栈的架构及其组件的编排必须允许一定程度的"交换能力"。也就是说，量子体系结构要有一定程度的灵活性，使组织能够在不受任何一种解决方案束缚的情况下，尝试新技术和新的协调方式。在量子相关技术的设计中，对互操作性的强调预示着对适应性的持续需求。

量子堆栈的混合性质

除了描述混合量子体系结构的一些独特特征外，还包括：

第1， 量子堆栈的混合特性反映了在计算设备的体系结构中存在着更广泛的混合趋势。

第2， 量子器件与各种经典器件之间的内在差异意味着它们不会相互取代。

第3， 混合体系结构固有的复杂性要求编排工具能够简化和优化它们的性能。

经典与量子的相对优势

经典器件和量子器件有相对优势，至少在一定程度上反映了它们的相对成熟程度。最早的机械计算设备可以追溯到19世纪中叶，第一台可编程计算机出现在20世纪30年代中期。从那时起，经典计算机不断发展，大致以摩尔定律为主。今天，它们执行一系列不可思议的功能，包括量子设备的模拟。

20世纪的量子计算

量子计算是20世纪的产物。量子物理学的理论在20世纪20年代才合并，理查德·费曼直到1982年才提出量子计算装置的基本构想。也就是说，量子处理技术正在接近一个临界点，在某些情况下，它将超越经典设备。

量子设备——不断变得更加强大

随着量子器件的不断改进，在某些功能上会比经典器件的功能更强大。传统的器件依赖于二进制位，二进制位的值可以是1或0，而量子器件依赖于可以同时以两种状态的线性组合存在的量子比特。

一个量子位的状态也可以与其他量子位的状态纠缠在一起，这意味着一个量子位的行为可以影响许多量子位的行为。由于这些独特的特性，添加更多的量子比特会产生一种网络效应，这种效应会迅速地给量子设备带来比经典替代品更多的计算能力。

鉴于这些差异，我们应该如何看待经典和量子计算设备的相对优势?

现在和将来，从数据准备和参数选择到后处理、绘图和某些类型的数据分析，经典计算将是最好的。目前，高性能计算机和超级计算机也是分析海量数据集的最佳工具。

当然，经典装置在某些情况下所具有的优势并不仅仅是由于这些装置的固有特性。它们也源于这样一个事实，即已经建立了针对这些用例的最佳实践、优化和工具生态系统。

量子的力量

量子的一个相对优势在于它能够通过从多个方向对数据进行广泛分析，从小数据集中提取信息。当数据难以获取时，这些能力将对机器学习和建模复杂但罕见的现象(如金融危机和全球流行病)的演变产生重大影响。

量子计算允许增强从概率分布中取样的能力，而这些概率分布是用经典技术很难取样的。这在解决优化和机器学习问题方面有许多应用，例如生成模型。

最后，正如理查德·费曼首次提出的那样，量子器件可以用来模拟量子系统，比如分子间的相互作用，这是经典器件永远做不到的。

量子器件不会取代经典器件

量子设备可以用来解决特定的问题，特别是在经典计算机上难以解决的问题。量子技术的内在能力将使它能够加速生物、化学、物流和材料科学的进步。

长时间以来，整个计算领域都趋向于混合模式的发展。量子计算遵循这一趋势，主要是因为混合模式提供了一种特殊形式的计算能力。

由于在早期很少有企业愿意投资(或有能力负担得起)量子硬件，因此他们建造出可以根据需要访问量子设备的经典架构。

人们预测到量子破坏的组织——化学和材料科学、制药、金融服务、物流、安全等——应特别专注于开发这些体系结构，并培养其他必要资源，以确保量子就绪。

除了经典的计算能力，这些资源还包括量子所需的人才和内部专业知识。

量子未来

展望未来，量子计算可能永远是一种"混合"技术。首先，使用量子计算来做一些经典计算机已经做得很好的事情是没有必要的。其次，成本仍然是一个问题。量子设备现在和将来都是昂贵和专业化的。用它们来做一些高级计算系统已经可以做的事情是不划算的。

最后，回到上面提到的一点：由于量子计算可以而且应该应用于不同于经典计算机所能解决的问题，真正的商业挑战是在特定行业中准确地确定量子设备最适合的那些问题或问题的方方面面。

编排和混合方法

谈到对编排的需求，可以从混合云基础设施中学习到一些东西。69%的企业已经采用了混合云方法，所涉及的复杂性使许多企业开始采用云管理。而这种管理，就像云本地架构的管理一样，采取了编排的形式。

混合量子堆栈，特别是同时依赖云和内部/私有云资源的量子堆栈，同样需要管理和协调，以确保程序、实验和过程顺利运行。

这种编排需要从底层硬件抽象出来的工作流管理工具。抽象是必要的，部分原因是量子器件和相关工具的扩散。

为了有效地使用这个不断扩展的工具集进行实验，组织需要灵活地从一个混合配置转移到下一个，而不必基于底层硬件重写所有配置。一个有效的工作流管理系统必须促进这种互操作性。

量子后端

当新的量子后端可用时，编排应该能够在一行中从一个转换到另一个。类似地，编排应该支持更改变量量子算法中使用的优化器的能力，以便在不编写额外代码的情况下比较性能。

编排应该能够组合来自多个框架和库的源代码，从而消除建立新环境的繁琐工作，并腾出时间专注于运行实际的实验。

提高工作效率

为了扩大工作规模，在构建和使用混合量子体系结构时，一定水平程度上的硬件是必要的。编排工具必须具有适应性，不仅要考虑到现有硬件的多样性，而且还要考虑到其他可能会出现的问题。

仅在过去的一年中，这些工作流管理和编排工具必须能够跟上量子技术加速发展的步伐。事实上，这些工具提供的适应性本身将推动量子技术的广泛采用。

今天的微处理器与过去基于管的中央处理器几乎没有相似之处。

事实上，目前的iPhone拥有100万倍的RAM，700万倍的ROM，处理信息的速度比阿波罗11号登月并带回月球的计算机快10万倍。

随着量子处理器的成熟，它们最终将与当前的经典计算设备保持同样的距离，从而使它们能够解决即使是最好的这些设备也无法解决的问题。

这样的比较指出了量子计算将带来巨大的变化，现在和将来，利用这种能力将需要量子和经典器件在一个混合模型中协同工作。

通过这种方式，公司能够解决广泛的商业问题。随着这些混合机器改变了安全性和机器学习，它们将影响到我们日常生活的方方面面。

结论

从纯粹实用的角度来看，混合方法是接近量子的最有效、最具成本效益和最有成效的方法。在量子计算过程中，依靠经典设备来完成这些任务，而这些任务是它们最适合的，并且在过去的50年里，它们已经被优化过，这不仅是正确的道路，也是唯一的最佳路径。

原因是，量子器件和经典器件不仅解决问题的方式不同，它们解决的问题也不同。这就是为什么说"量子计算会做这个或那个"有点用词不当。事实是，真正的革命将由经典和量子在越来越强大的混合解决方案中的联合力量所驱动。